题目内容
（请给出正确答案）
本题使用INJURY.RAW中的数据。
(i) 使用肯塔基州的数据， 增加male， married以及全套行业和工伤类型虚拟变量作为解释变量， 重新估计方程(13.12)。在控制了这些其他因素后， afchnge-high earn的估计值有何变化？这个估计值仍然统计显著吗？
(ii)你对第(i)部分中较小的R°有什么看法？这是否意味着这个方程无用呢？
(iii)用密歇根州的数据估计方程(13.12)。比较密歇根州和肯塔基州的交互项估计值。密歇根州的估计值在统计上显著吗？你对此如何解释？
如果结果不匹配，请 联系老师 获取答案
更多“本题使用INJURY.RAW中的数据。(i) 使用肯塔基州的…”相关的问题
本题使用WAGE2.RAW中的数据。一般地，保证如下所有回归都含有截距。
(i)将IQ对educ进行简单回归，并得到斜率系数
本题利用WAGE1.RAW中的数据。
(i)使用OLS估计方程
(iv)exper取什么值时，工作经历的增加实际上会降低预期的log(wage)。样本中有多少人具有比该取值更长的工作经历？
本题使用INFMRT.RAW中1990年的数据。
(i)重新估计方程(9.43)，但现在对哥伦比亚特区这个观测引进一个虚拟变量(记为DC)。解释DC的系数，并评论其大小和显著性。
(ii)将第(i)步所得到的估计值和标准误与方程(9.44)中的估计值和标准误相比较。根据这种对单个观测引进一个虚拟变量的做法，你得到什么结论？
本题要用到MLB1.RAW中的数据。
(i)使用方程(4.31)中所估计的模型，并去掉变量rbisyr。hrunsyr的统计显著性会怎么样？hrunsyr的系数大小又会怎么样？
(ii)在第(i) 部分的模型中增加变量runsyr(每年垒得分)，fldperc(防备率)和sbasesyr(每年盗垒数) 。这些因素中，哪一个是个别显著的？
(iii)在第(ii)部分的模型中， 检验bavg， fldperc和sbasesyr的联合显著性。
本题使用ATTEND.RAW中的数据。
(i)求出变量atndrte，pricGPA和ACT的最小值、最大值和平均值。
(ii)估计模型atndrte=β0+β1pricGPA+β2ACT+u，并以方程的形式写出结论。对截距做出解释。它是否有一个有用的含义。
(iii)讨论估计的斜率系数。有没有什么令人吃惊之处？
(iv)如果priGPA=3.65和ACT=20，预计atndrte是多少？你对这个结论做何解释？样本中有没有一些学生具有这些解释变量的值？
(v)如果学生A具有priGPA=3.1和ACT=21，而学生B具有priGPA=2.1和ACT=26，他们在出勤率上的预期差异是多少？
本题利用SLEEP75.RAW中的数据。我们要分析的方程为：
(i)分别针对男性和女性单独估计这个方程，并按照通常形式报告结论。这两个估计方程有什么明显差异吗？
(ii)对男性和女性睡眠方程中的参数是否相等计算邹至庄检验。使用增加male和交互项male totwrk，.male的检验形式，并使用全部观测。该检验相关的df等于多少？在5%的显著性水平上，你应该拒绝这个虚拟假设吗？
(iii)现在，容许男性与女性存在不同截距，判定所有涉及male的交互项是不是联合显著的？
(iV)给定第(ii)部分和第(iii)部分中的结论，你最后将使用什么样的模型？
本题使用WAGE2.RAW中的数据。
(i)估计模型
并以通常的形式报告结果。保持其他因素不变，黑人和非黑人之间的月薪差异近似为多少？这个差异是统计显著的吗？
(ii) 在这个方程中增加变量exper²和tenure²， 证明即便在20%的显著性水平上， 它们也不是联合显著的。
(iii)扩展原模型，使受教育回报取决于种族，并检验受教育的回报是否的确取决于种族。
(iv)再回到原模型，但现在容许四个不同人群(已婚黑人、已婚非黑人、单身黑人和单身非黑人)的工资有差别。估计已婚黑人和已婚非黑人之间的工资差异是多少？
本题使用JTRAIN.RAW中的数据。
(i)考虑简单回归模型
其中，scrap表示企业的废品率，grant表示是否得到工作培训津贴的一个虚拟变量。你能想到u中的无法观测因素可能会与grant相关的原因吗？
(ii)利用1988年的数据估计这个简单的回归模型。(你应该有54个观测。)得到工作培训津贴显著地降低了企业的废品率吗？
(iii)现在增加一个解释变量log(scrap87)。这将如何改变grant的估计影响？解释grant的系数。相对于单侧备择假设
它在5%的显著性水平上统计显著吗？
(iv)相对双侧备择假设，检验log(scrapg)的参数为1的虚拟假设。报告检验的P值。
(v)利用异方差-稳健标准误，重复第(iii)步和第(iv)步，并简要讨论任何明显的差异。
利用MEAP00 O1中的数据回答本题。
(i)使用OLS估计模型
并用通常的格式报告你的结论。在5%的显著性水平上，每个解释变量都是统计显著的吗？
(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少？它与math4的实际数据取值范围相比如何？
(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差？对这个残差给予解释。
(iv)在方程中增加所有解释变量的平方项，检验它们的联合显著性。你会把它们放到模型中吗？
(v)回到第(i)部分中的模型，将因变量和每个解释变量都除以各自的样本标准差，并重新进行回归。(除非你还将每个变量分别减去了各自的均值，否则还应该包括一个截距项。)以标准差为单位，哪个解释变量对数学考试通过率具有最大的影响？
本题使用GPA2.RAW中的数据。
(i)考虑方程
其中，colgpa表示累积的大学GPA，hsize表示高中毕业年级以百人计的规模，hsperc表示在毕业年级中学术排名的百分位，sat表示SAT综合分数，female是一个二值变量，而athlete也是一个运动员取值1的二值变量。你对这个方程中的系数有何预期？哪些你没有把握？
(ii)估计第(i)部分中的方程，并以通常的形式报告结果。估计运动员和非运动员之间GPA的差异是多少？它是统计显著的吗？
(ii)从模型中去掉sat并重新估计这个方程。现在，作为运动员的估计影响是多大？讨论为什么这个估计值不同于第(ii)部分的结论。
(iv)在第(i)部分的模型中，容许作为运动员的影响会因性别不同而不同。检验如下原假设：在其他条件不变的情况下，女生是否是运动员没有差别。
(v)sat对colgpa的影响会因性别不同而不同吗？讲出你的根据。
和工资序列数据。变量gwage 232是232部门平均工资的月增长率(以对数形式变化)， getup 232是232部门的就业增长率，gmwage是联邦最低工资的增长率， 而gcpi是(城市) 消费者价格指数的增长率。
(i)将变量gwage 232对gmwage和gCP I进行回归。你认为
的符号和大小合理吗？请加以解释。gmwage在统计上显著吗？
(ii)在第(i) 部分的方程中增加gmwage的1~12阶滞后变量。为了估计第232部门中最低工资的增加对平均工资增长率的长期影响，你认为有必要包括这些滞后变量吗？请加以解释。
(iii)将变量getup 232对gmwage和gcpi进行回归。最低工资增长看起来对同期的gen up 232有影响吗？
(iv)在就业增长方程中增加gmwage的1~12阶滞后变量。在短期或长期中， 最低工资的提高对就业增长具有统计显著的影响吗？请加以解释。
